Analisis Perbandingan Kinerja Algoritma Apriori, FP-Growth dan Eclat dalam menemukan Pola Frekuensi pada Dataset INA-CBG'S

Setiap fasilitas kesehatan seperti rumah sakit, klinik dan puskesmas yang bekerjasama dengan BPJS wajib melakukan klaim pembiayaan atas perawatan kesehatan terhadap pasien menggunakan tarif INACBG’s  (Indonesian - Case Based Groups). Tarif INACBG’s merupakan paket layanan yang didasarkan kepada pengelompokan diagnosa penyakit yang menggunakan kode ICD-10. Penelitian ini bertujuan menemukan pola frekuensi pada dataset INA-CBG’s terutama  kombinasi diagnosa agar diketahui kombinasi diagnosa apa saja yang sering muncul untuk bahan evaluasi lebih lanjut oleh pihak manajemen fasilitas kesehatan. Penelitian ini membandingkan kinerja Algoritma Apriori, FP-Growth dan Eclat. Nilai Akurasi Lift Ratio dan Rule Asosiasi ketiga algoritma didapatkan nilai yang sama, tetapi untuk waktu komputasi dan pemakaian memori pada Algoritma Eclat lebih banyak daripada Algoritma Apriori dan Fp-Growth, maka dapat disimpulkan bahwa Algoritma FP-Growth dan Apriori lebih cocok untuk dijadikan solusi dalam menemukan pola frekuensi pada dataset INACBG’s.